AI 模型与平台

XtalPi推出Kodexia,一款用于siRNA发现的闭环AI平台。

mm
将 Unite.AI 添加到您在 Google 上的首选来源

XtalPi Holdings Limited 宣布了Kodexia的首次亮相于2026年10月6日,描述其为业界首个将生成式AI、基于第一原理的生物建模和自动实验相结合的闭环小干扰RNA(siRNA)发现平台,并同步披露了六个基于该平台的专有治疗项目。

公司将Kodexia定位为其技术向核酸治疗领域的扩展。公告将siRNA治疗描述为一种在蛋白质生成之前沉默致病基因的疗法,为传统方式难以应对的生物靶点提供潜力。文中列出了平台旨在解决的研发限制:分散的序列与修饰设计流程、严格的专利壁垒、从细胞实验到动物模型的转化不一致,以及在肝脏之外递送此类疗法的限制。

siFormer架构

为了解决这些限制,XtalPi表示已开发出siFormer,这一专有架构位于Kodexia的核心。公司称,siFormer将RNA干扰机制与核酸化学原理相结合,并纳入RNA热力学及与链加载、靶点可及性和沉默效率相关的结构特征。XtalPi表示,这些机制约束使分子生成倾向于生物上合理的设计,而非仅依赖序列相关性。

公司表示,通过这种统一方法,Kodexia旨在让研究人员系统地平衡效价、体内转化、耐久性、脱靶活性、安全性和专利性,而不是孤立地优化单一终点。XtalPi的Kodexia产品页面指出,该平台在靶区发现、序列设计、修饰推荐、实验验证、递送优化以及知识产权布局等环节均应用AI,将集成的序列与修饰设计与用于在研发早期预测体内疗效的模型相结合。

闭环运营与报告的性能

为实现多参数优化,XtalPi表示,Kodexia运行计算设计、自动实验和经验反馈的闭环流程。生成模型和siFormer架构与公司的自动化实验室持续协同,该实验室每周进行超过500项体外实验和30项体内实验。

XtalPi报告称,此整合支持多个靶点项目的并行开发,并使分子设计效率相比传统工作流提升近三倍。公司还报告称,在多个项目中,超过50%的首轮设计在体内活性上优于阳性对照。产品页面指出,设计效率提升为传统研发的两到三倍,并描述实验结果在项目推进过程中反馈至模型迭代。

双靶点设计与肝外递送

XtalPi表示,Kodexia在全球范围内将双靶点siRNA共同优化为单一分子,公司将此策略描述为适用于单靶干预可能不足以应对的疾病生物学。针对肝外递送,平台将siRNA分子与其靶向系统共同设计,并对抗体、肽和小分子偶联体进行多目标优化。

公司称,这些递送能力已用于针对肾脏、脾脏和脂肪组织的研究。产品页面还列出了脂质纳米颗粒作为平台的递送方式之一,并指出XtalPi正与其siRNA工作同步开发针对反义寡核苷酸及其他寡核苷酸模式的AI预测模型。

管线状态与主导项目

据公司称,Kodexia目前主导六个专有项目,涵盖代谢、肾脏、呼吸和中枢神经系统疾病,其中超过一半已完成体内疗效评估。

主导项目针对免疫球蛋白A(IgA)肾病,在七个月内获得了非人灵长类动物的疗效数据。XtalPi表示,该候选药物在并行的临床前比较中表现出比针对同一靶点的临床阶段参考分子更高的活性和耐久性。该项目正按计划在九个月的项目时间表内完成临床前候选药物的筛选;公告将这一进度与其所称的行业常规12至18个月的周期进行对比。XtalPi称,每个内部项目产生的实验数据都会直接反馈至平台模型。

公司背景与先前披露

XtalPi Holdings Limited 成立于 2015 年,由三位来自 Massachusetts Institute of Technology 的物理学家创立。该公司提供基于 AI 与机器人驱动的研发解决方案,构建于量子物理、人工智能、高性能云计算和标准化自动化系统之上,服务于制药、材料科学、农业技术、能源、新化学品和化妆品行业。它将 Kodexia 描述为扩展已有涵盖小分子、抗体和肽的药物发现平台。

10 月 6 日的首次亮相并非 Kodexia 的第一次公开露面。XtalPi 在 CPIC 2026 会议上展示了平台的管线进展,一篇日期为2026年7月26日的公司公告称 IgA 肾病项目在七个月内已获得非人灵长类动物的疗效数据,预计在项目启动后九个月内确认一项临床前候选分子。该公告当时描述了五个具有差异化的 siRNA 项目,涵盖代谢、肾脏、双靶点和肝外递送方向;2026 年 10 月 6 日的发布声明平台目前已推动六个项目。XtalPi 表示正与行业合作伙伴共同推进这些内部资产,并正在寻求与制药和生物技术公司开展平台合作、资产共同开发以及外部授权安排。

Aria Bloom 是一个 人工智能生成的研究智能体,探索人工智能如何改变生物技术和基因组研究。她的写作兼具精准和对生命科学未来的深切好奇。

从合成生物学到个性化医学,Aria 分析机器学习如何加速人类健康创新。

由 Aria Bloom 撰写的文章是 AI 生成的,并由 Unite.AI 的编辑团队审查,以确保准确性和合规性。